一种雨量探测方法及装置与流程

本发明涉及测量领域，尤其涉及一种雨量探测方法及装置。

背景技术：

目前，用于测量降雨量及降雨强度的雨量计从原理上可分为翻斗式、虹吸式、容栅式、称重式、红外式等，在汽车车载部件领域中，对雨量的测量主要通过安装于汽车挡风玻璃内侧的雨滴探测器，属于红外式雨量探测器，其原理如下：通过发光二级管发射远红外线，红外线经前挡风玻璃反射后再由一个光学传感器接收，前挡风玻璃上水珠面积越大，光学传感器接收到的红外线则越少，根据接收到的红外线的多少得到雨量数据。

然而，发明人经研究发现，以上红外式测量方法为单点测量，且设备本身结构分离，对安装位置及角度要求很高，因此测量误差和随机性比较大，从而导致测量的雨量数据精确度较低。

技术实现要素：

基于此，为解决现有技术中采用单点测量、结构分离的系统，利用红外光的方法来进行雨量测量精确度较低的技术问题，特提出了一种雨量探测方法，可以提高测量的雨量数据的精确度。

一种雨量探测方法，包括：

通过摄像头获取图像；

将所述图像转换为灰度图像；

检测所述灰度图像中包含纹路类型的目标图像区域；

通过边缘检测获取所述目标图像区域的纹路轮廓信息，根据所述纹路轮廓信息计算目标密集度；

根据所述目标密集度确定雨量大小。

此外，为解决现有技术中采用单点测量、结构分离的系统，利用红外光的方法来进行雨量测量精确度较低的技术问题，特提出了一种雨量探测装置，可以提高测量的雨量数据的精确度。

一种雨量探测装置，包括：

图像获取模块，用于通过摄像头获取图像；

图像转换模块，用于将所述图像获取模块获取的图像转换为灰度图像；

目标图像区域检测模块，用于检测所述图像转换模块转换的灰度图像中包含纹路类型的目标图像区域；

密集度获取模块，通过边缘检测获取所述目标图像区域检测模块检测的目标图像区域的纹路轮廓信息，根据所述纹路轮廓信息计算目标密集度；

雨量大小确定模块，用于根据所述密集度获取模块获取的目标密集度确定雨量大小。

实施本发明实施例，将具有如下有益效果：

通过摄像头获取纹路类型的图像区域，纹路类型对应为摄像头识别的雨水图像，统计图像中全部的纹路类型信息，通过整体统计增加了测量的对象，避免了单点测量带来的随机误差，同时，通过摄像头这一整体设备进行雨量数据采集，避免了分离结构带来的测量误差，从而可以提高测量的雨量数据精确度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

其中：

图1为本发明实施例提供的一种雨量探测方法的流程示意图；

图2为本发明实施例提供的一种雨量探测方法的图像检测示意图；

图3为本发明实施例提供的一种雨量探测装置的结构示意图；

图4为本发明实施例提供的运行前述雨量探测方法的计算机设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为解决传统的雨量测量技术中由于测量系统单点测量、结构分离导致雨量大小的精确度较低的技术问题，特提出一种雨量探测方法，该方法的实现可依赖于计算机程序，该计算机程序可运行于基于冯诺依曼体系的计算机系统之上，该计算机程序可运行于与摄像设备连接的计算机主机之上。

具体的，如图1所示，该雨量探测方法包括：

步骤S102：通过摄像头获取图像。

在下雨天气，某一时间段内，通过摄像头对下雨的状态拍摄一个短视频，并选取短视频中的一帧图像作为测量雨量大小的依据。

进一步地，为提高测量雨量大小的准确性，避免随机性造成的误差，可以在短视频中选取至少两帧图像，并通过全部帧的图像综合评价雨量的大小，例如，可以在短视频中选取5帧图像，通过对5帧图像中每帧图像进行统计并平均，得到最终的雨量大小。

进一步地，为保证雨量大小的判断不受摄像头焦距的影响，统一标准，在通过摄像头获取图像之前，需要将摄像头的焦距调整为最大值。

步骤S104：将图像转换为灰度图像。

在本实施例中，灰度图像是指只含亮度信息，不含色彩信息的图像，就像我们平时看到的黑白照片，亮度由暗到明的变化是连续的。在图像的RGB颜色模型(R、G、B分别代表Red、Green、Blue，即红、绿、蓝三种颜色的色值，三种颜色相互之间的叠加可以得到各式各样的颜色)中，如果三种颜色的颜色值相等，即R＝G＝B，则所得颜色为黑白色，此时R＝G＝B的值为灰度值，得到的图像为灰度图像。将图像转换为灰度图像的过程就是使彩色图像的R、G、B分量值相等的过程。通常的，R、G、B的取值范围是0～255，所以灰度的级别有256级。将图像转换为灰度图像的处理方法主要有三种：(a)最大值法：将R、G、B三个值置为三个值中最大的一个；(b)均值法：将R、G、B三个值置为三个值的平均值；(c)加权平均值法：根据重要性或其他指标给R、G、B赋予不同的权值，并将R、G、B三个值置为三个值的加权平均值。例如，如图2所示，在图2中，L为灰度图像。

步骤S106：检测灰度图像中包含纹路类型的目标图像区域。

在本实施例中，纹路类型对应下雨时形成的雨水的线条，设备通过对纹路类型的检测来确定获取雨量大小的目标图像区域。对于纹路类型的检测可以通过连续像素的灰度值关系来进行。例如，如图2所示，在图2中，L1为确定的包含纹路类型的目标图像区域。

进一步地，可以限定目标图像区域的大小，即所得到的目标图像区域的像素大小为系统预先设定的固定值。通过检测图像中相邻连续像素的灰度值变化，确定最佳的、固定大小的目标图像区域。

步骤S108：通过边缘检测获取目标图像区域的纹路轮廓信息，根据纹路轮廓信息计算目标密集度。

在本实施例中，轮廓是指界定表现对象形体范围的边缘线。轮廓是在亮度不同的区域之间有一个明显的变化，即灰度差突然变化而形成的。轮廓是构成任何一个形状的边界或外形线。得到目标图像区域中纹路类型的轮廓信息，即获得图像中雨水线条的轮廓。边缘是指其周围像素灰度急剧变化的那些象素的集合，它是图像最基本的特征。边缘存在于目标、背景和区域之间，所以，它是图像分割所依赖的最重要的依据。纹路边缘相邻像素间灰度的变化率较大，利用这一特点，可得到纹路的边缘，进而获得纹路的轮廓信息。通过纹路的轮廓信息得到纹路的密集度，即雨水线条的密集度。目标密集度越大，说明纹路越密集，即雨水线条越密集，则雨量大小就越大。例如，在前例中，如图2所示，在图2中，由目标图像区域L1得到该区域L1的纹路轮廓图L2，并通过对纹路轮廓图L2中纹路轮廓进行统计，来得到纹路的目标密集度，即雨水线条的密集度。

进一步地，若在短视频中选取了至少两帧图像，则目标密集度由至少两帧图像对应的至少两个密集度数据平均得到。

例如，在前例中，在短视频中选取了5帧图像，则每帧图像对应得到一个密集度数据，目标密集度为5帧图像得到的5个对应的密集度数据的平均值。

进一步地，获取纹路的目标密集度的步骤还包括：

通过边缘检测获取纹路的轮廓信息；计算轮廓信息占据的像素数量与目标图像区域像素的比值，根据所述比值确定目标密集度。

在本实施例中，通过边缘检测获取纹路的轮廓信息，计算纹路轮廓信息所占据的像素的数量与目标图像区域占据的像素的数量的比值，来表征纹路的目标密集度。

进一步地，在本实施例中，可以在目标图像区域中选取雨水线条更清晰的截图，该截图的像素大小可以是预先设置的，该截图中雨水线条的背景相对比较均匀，可通过灰度值限定来实现对截图的选取。

步骤S110：根据目标密集度确定雨量大小。

在本实施例中，目标密集度与雨量大小是一一对应的关系，可以通过查询预设的密集度与雨量大小的映射表确定目标密集度对应的雨量大小。

此外，为解决传统的雨量测量技术中由于测量系统单点测量、结构分离导致雨量大小的精确度较低的技术问题，在一个实施例中，如图3所示，特提出一种雨量探测装置，该装置包括：图像获取模块102、图像转换模块104、目标图像区域检测模块106、密集度获取模块108和雨量大小110确定模块，其中：

图像获取模块102，用于通过摄像头获取图像。

图像转换模块104，用于将图像获取模块102获取的图像转换为灰度图像。

目标图像区域检测模块106，用于检测图像转换模块104转换的灰度图像中包含纹路类型的目标图像区域。

密集度获取模块108，用于通过边缘检测获取目标图像区域检测模块106检测的目标图像区域的纹路轮廓信息，根据纹路轮廓信息计算目标密集度。

雨量大小确定模块110，用于根据所述密集度获取模块108获取的目标密集度确定雨量大小。

在本实施例中，雨量大小确定模块110还用于，通过查询预设的密集度与雨量大小的映射表确定密集度获取模块108获取的目标密集度对应的雨量大小。

在本实施例中，图像获取模块102获取的图像可以包括至少两帧图像；密集度获取模块108获取的目标密集度由所述至少两帧图像对应的至少两个密集度数据平均得到。

在本实施例中，如图3所示，该装置还可以包括焦距调整模块112，用于将摄像头的焦距调整为最大值。

在本实施例中，密集度获取模块108还用于通过边缘检测获取纹路的轮廓信息；计算轮廓信息占据的像素数量与目标图像区域检测模块106检测的目标图像区域像素的比值，根据所述比值确定目标密集度。

实施本发明实施例，将具有如下有益效果：

通过摄像头获取纹路类型的图像区域，纹路类型对应为摄像头识别的雨水图像，统计图像中全部的纹路类型信息，通过整体统计增加了测量的对象，避免了单点测量带来的随机误差，同时，通过摄像头这一整体设备进行雨量数据采集，避免了分离结构带来的测量误差，从而可以提高测量的雨量数据精确度。

在一个实施例中，如图4所示，图4展示了一种运行上述雨量探测方法的基于冯诺依曼体系的计算机系统的终端10。具体的，可包括通过系统总线连接的外部输入接口1001、处理器1002、存储器1003和输出接口1004。其中，外部输入接口1001可选的可至少包括网络接口10012和摄像头10014。存储器1003可包括外存储器10032(例如硬盘、光盘或软盘等)和内存储器10034。输出接口1004可至少包括显示屏10042等设备。

在本实施例中，本方法的运行基于计算机程序，该计算机程序的程序文件存储于前述基于冯诺依曼体系的计算机系统10的外存储器10032中，在运行时被加载到内存储器10034中，然后被编译为机器码之后传递至处理器1002中执行，从而使得基于冯诺依曼体系的计算机系统10中形成逻辑上的图像获取模块102、图像转换模块104、目标图像区域检测模块106、密集度获取模块108和雨量大小110确定模块以及焦距调整模块112。且在上述雨量探测方法执行过程中，输入的参数均通过外部输入接口1001接收，并传递至存储器1003中缓存，然后输入到处理器1002中进行处理，处理的结果数据或缓存于存储器1003中进行后续地处理，或被传递至输出接口1004进行输出。

具体的，上述处理器1002用于执行如下步骤：通过摄像头获取图像；

将图像转换为灰度图像；

检测灰度图像中包含纹路类型的目标图像区域；

通过边缘检测获取目标图像区域的纹路轮廓信息，根据纹路轮廓信息计算目标密集度；

根据目标密集度确定雨量大小。

在一个实施例中，上述处理器1002还用于执行通过查询预设的密集度与雨量大小的映射表确定目标密集度对应的雨量大小。

在一个实施例中，上述处理器1002还用于执行由至少两帧图像对应的至少两个密集度数据平均得到目标密集度。

在一个实施例中，上述处理器1002还用于执行将摄像头的焦距调整为最大值。

在一个实施例中，上述处理器1002还用于执行通过边缘检测获取纹路的轮廓信息；计算轮廓信息占据的像素数量与目标图像区域像素的比值，根据所述比值确定目标密集度。

以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。